Python：自定义排序列表列表

Question

我知道以前有人问过这个问题，但我一直没能找到解决办法。

我正在尝试根据自定义字母表按字母顺序排列列表列表。

字母表是Burmese script 的表示，Sgaw Karen 使用纯 ASCII 格式。缅甸文字是一个字母表——几十个声母、几个中间变音符号和几十个可以以数千种不同方式组合的押韵，每一个都是代表一个音节的单个“字符”。 map.txt 文件有这些音节，按（克伦语/缅甸语）字母顺序列出，但以某种未知方式转换为 ASCII 符号，因此第一个字符是 u>m;.Rf 而不是 က 或 [ka̰]。例如：

u>m;.Rf ug>m;.Rf uH>m;.Rf uX>m;.Rf uk>m;.Rf ul>m;.Rf uh>m;.Rf uJ>m;.Rf ud>m;.Rf uD>m;.Rf u->m;.Rf uj>m;.Rf us>m;.Rf uV>m;.Rf uG>m;.Rf uU>m;.Rf uS>m;.Rf u+>m;.Rf uO>m;.Rf uF>m;.Rf
c>m;.Rf cg>m;.Rf cH>m;.Rf cX>m;.Rf ck>m;.Rf cl>m;.Rf ch>m;.Rf cJ>m;.Rf cd>m;.Rf cD>m;.Rf c->m;.Rf cj>m;.Rf cs>m;.Rf cV>m;.Rf cG>m;.Rf cU>m;.Rf cS>m;.Rf c+>m;.Rf cO>m;.Rf cF>m;.Rf

列表列表中的每个列表都具有作为其第一个元素的 Sgaw Karen 单词，以相同的方式转换为 ASCII 符号。例如：

[['u&X>', 'n', 'yard'], ['vk.', 'n', 'yarn'], ['w>ouDxD.', 'n', 'yawn'], ['w>wuDxD.', 'n', 'yawn']]

---

这是我目前所拥有的：

def alphabetize(word_list):
    alphabet = ''.join([line.rstrip() for line in open('map.txt', 'rb')])
    word_list = sorted(word_list, key=lambda word: [alphabet.index(c) for c in word[0]])
    return word_list

我想根据alphabet 中的模式按每个列表的第一个元素（例如'u&X>'、'vk.'）对word_list 进行字母排序。

我的代码还没有工作，我很难理解带有 lambda 和 for 循环的排序命令。

Answer 1

首先，如果您要在alphabet 中查找整个word[0]，而不是单独查找每个字符，则不应循环遍历word[0] 的字符。直接使用alphabet.index(word[0])即可。

从您的 cmets 看来，您正在尝试查找 word[0] 中的每个缅甸音译字符。这是不可能的，除非您可以编写一个算法将一个单词分成这些字符。将其拆分为音译的 ASCII 字节根本没有帮助。

---

其次，您可能不应该在这里使用index。当您认为需要使用index 或类似功能时，90% 的情况下，这意味着您使用了错误的数据结构。你在这里想要的是一个映射（大概是为什么它被称为map.txt），就像一个字典，以单词为键，而不是你必须明确搜索的单词列表。然后，在该词典中查找一个单词是微不足道的。 （它也更高效，但它易于阅读和理解这一事实可能更重要。）

---

最后，我怀疑您的map.txt 应该被读取为以空格分隔的音译字符列表，而您想要找到的是该列表中任何给定单词的索引。

---

所以，把它们放在一起，就像这样：

with open('map.txt', 'rb') as f:
    mapping = {word: index for index, word in enumerate(f.read().split())}
word_list = sorted(word_list, key=lambda word: mapping[word[0]])

---

但是，同样，这仅适用于单音节单词，因为在您弄清楚如何将单词拆分为应按字母顺序排列的单元（在本例中为符号）之前，没有办法使其适用于多音节单词。

一旦您编写了执行此操作的代码，我敢打赌，将所有内容转换为缅甸脚本的正确 Unicode 表示会很容易。每个音节在 Unicode 中仍然需要 1-4 个代码点——但这很好，因为 Python 内置的标准 Unicode 排序算法已经知道如何为该脚本正确地按字母顺序排列，所以你不必编写自己动手。

或者，更好的是，除非这是您或您的老师发明的一些奇怪的音译，否则可能已经有代码可以在这种格式和 Unicode 之间进行转换，这意味着您甚至不必自己编写任何东西。